NYCTALE: Neuro-Evidence Transformer for Adaptive and Personalized Lung Nodule Invasiveness Prediction

要約

この論文では、霊長類の脳の興味深い証拠蓄積プロセスからインスピレーションを得て、認知心理学と神経科学のモデルに基づいて、神経にインスピレーションを得た証拠蓄積ベースの Transformer アーキテクチャである NYCTALE フレームワークを紹介しています。
提案されている神経にインスピレーションを得た NYCTALE は、肺がん診断のための個別化医療 (PM) の領域に新しい経路を提供します。
自然界では、ニクタレスは夜行性の行動で知られる小さなフクロウで、主に夜の暗闇の中で狩りをします。
NYCTALE も同様に慎重な方法で動作します。つまり、証拠に基づいた方法でデータを処理し、動的/適応的に予測を行います。
従来のコンピューター断層撮影 (CT) ベースの深層学習 (DL) モデルとは異なり、NYCTALE は十分な量の証拠が蓄積された場合にのみ予測を実行します。
言い換えれば、CT スライスのすべてまたは事前定義されたサブセットを処理する代わりに、人物ごとにスライスが一度に 1 つずつ提供されます。
次に、NYCTALE フレームワークは、新しい各 CT 画像の寄与に関連付けられた証拠ベクトルを計算します。
蓄積された証拠の合計が特定のしきい値を超えると、決定が下されます。
予備実験分析は、114 人の被験者から構成される困難な社内データセットを使用して実施されました。
この結果は注目に値し、この要求の厳しい小規模なデータセットでのトレーニング データが約 60% 少ないにもかかわらず、NYCTALE がベンチマークの精度を上回っていることを示唆しています。

要約(オリジナル)

Drawing inspiration from the primate brain’s intriguing evidence accumulation process, and guided by models from cognitive psychology and neuroscience, the paper introduces the NYCTALE framework, a neuro-inspired and evidence accumulation-based Transformer architecture. The proposed neuro-inspired NYCTALE offers a novel pathway in the domain of Personalized Medicine (PM) for lung cancer diagnosis. In nature, Nyctales are small owls known for their nocturnal behavior, hunting primarily during the darkness of night. The NYCTALE operates in a similarly vigilant manner, i.e., processing data in an evidence-based fashion and making predictions dynamically/adaptively. Distinct from conventional Computed Tomography (CT)-based Deep Learning (DL) models, the NYCTALE performs predictions only when sufficient amount of evidence is accumulated. In other words, instead of processing all or a pre-defined subset of CT slices, for each person, slices are provided one at a time. The NYCTALE framework then computes an evidence vector associated with contribution of each new CT image. A decision is made once the total accumulated evidence surpasses a specific threshold. Preliminary experimental analyses conducted using a challenging in-house dataset comprising 114 subjects. The results are noteworthy, suggesting that NYCTALE outperforms the benchmark accuracy even with approximately 60% less training data on this demanding and small dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google